C++ 提速的新发现

雷达 · 发表于 2022-9-24 22:54:26

C++ 比 Octave 慢好多，怎么破？

自相关两层循环，内层循环涉及浮点数计算，试验了一下把内层循环内部全都 comment out 只留个壳子, 但空的内层循环本身就把速度拉下来了，看来问题并不在浮点计算。

速度优化问题真的很有意思啊。

欢迎大家继续讨论

数值分析 · 发表于 2022-9-24 23:04:16

拉下来？拉多少？
把代码贴上来看看？

难道分支预测不准破坏流水线执行？不该啊。

沉宝 · 发表于 2022-9-24 23:15:41

会不会代码本身的缺陷阻止了自动优化？另外，硬件配置和开发环境可能也有关系。

风雨无阻 · 发表于 2022-9-24 23:33:02

Maybe Debug mode?

雷达 · 发表于 2022-9-24 23:54:10

本帖最后由雷达于 2022-9-24 23:57 编辑

数值分析发表于 2022-9-24 23:04
* k. ^$ v' v4 L( A; c2 M拉下来？拉多少？# ?* ~6 F: V. Q3 ?7 Z/ q
把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
comp temp, xtimesy;
xtimesy.re = 0;
xtimesy.im = 0;
int j0 = lenB - 1;
int i, j, i1, reali;
if (lenA % 2 == 1)
reali = lenA + 1;
else
reali = lenA;
reali /= 2;

int nconv = reali + lenB;
//#pragma omp parallel for
for (i = reali; i < nconv; i++)
{
temp.re = 0;
temp.im = 0;
i1 = i;
for (j = j0; j >= 0; j--)
{
/* floating date operation */
}
}
}

xcorr函数代码如上，comp是复数struct, 做过长度为11、19两个矢量的测试，和octave结果完全一样

红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
现在call xcorr 100次，耗时78s.

如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

雷达 · 发表于 2022-9-25 00:17:17

风雨无阻发表于 2022-9-24 23:33. N: d1 w2 l! g/ ~9 t
Maybe Debug mode?

不应该，看我上面的回复。

我更怀疑是 VS 社区版的问题

数值分析 · 发表于 2022-9-25 00:20:10

本帖最后由数值分析于 2022-9-25 00:24 编辑

雷达发表于 2022-9-24 23:54+ F2 D# ^+ z/ w4 O# J
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)1 }" U& S8 P: u* `. c
{( s% A |& U0 M. V- |
comp temp, xtimesy;

这个不是这么比的吧。。。

您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个，慢个几十倍不是正常的么？

雷达 · 发表于 2022-9-25 00:46:56

本帖最后由雷达于 2022-9-25 01:09 编辑

数值分析发表于 2022-9-25 00:20, K/ Y4 ~3 q j& `
这个不是这么比的吧。。。) |# _; x, J, C& I
( M2 b5 p- X, z# A- t) ~# `
您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

有道理。
所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，记得 numeric 库里有算向量内积的，我回头试试。

我先尝试尽量用标准库，一个小程序，不想搞得太复杂。多谢了

沉宝 · 发表于 2022-9-25 01:27:53

雷达发表于 2022-9-25 00:46& O1 P! R2 }% _ ~: E
有道理。$ K2 A; q6 U1 k& b4 i( B) N% C- y# J
所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，这大 ...

你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子，把循环本身翻译成机器指令loop或dec/jnz，两者速度上会差很多
Why is the loop instruction slow? Couldn't Intel have implemented it efficiently?

沉宝 · 发表于 2022-9-25 01:48:51

数值分析发表于 2022-9-25 00:203 g4 F+ N0 d2 x3 ?& M ?
这个不是这么比的吧。。。' }- c6 \) z2 a0 O9 ]
3 q: h! A# ?7 J! @, ]
您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果循环这样跑，花不了多少时间。

数值分析 · 发表于 2022-9-25 02:06:44

本帖最后由数值分析于 2022-9-25 02:16 编辑

沉宝发表于 2022-9-25 01:48
' E. M! ]0 s9 E% H; Y现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果 ...

是的，兄台说的对。

其实我想说的是真正数值计算部分和代码中其他不直接计算的overhead的比值这个事儿。

雷达兄构造测试用例的时候，屏蔽掉了所有计算的部分，使得剩下的都是overhead，这样run time比较的结果就显得好像不合理了。如果把计算加回去，计算部分的run time会dominate，结果就不那么离谱了。因为不好说，所以用指令数对比的方式试图直观地说明这一点。

比如说，如果有计算，那么跑六千个循环相对于计算应该用不了多少时间。但是如果一边是什么都不做，另一边是六千个循环，那六千个循环比什么都不做慢几十倍了，就不是那么不合理了。

当然也有可能像兄台说的，是优化参数的问题，但我觉得更多地是测试用例设计的不合理。

雷达 · 发表于 2022-9-25 04:47:43

本帖最后由雷达于 2022-9-25 04:49 编辑

沉宝发表于 2022-9-25 01:27
* E* S. ^2 h" p- H4 A你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子 ...

又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差一倍，我上面这个差的太多了。

我已经完全懵了。

沉宝 · 发表于 2022-9-25 05:51:23

雷达发表于 2022-9-25 04:47! r2 [0 i5 ^) T# R0 h
又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

时间差一倍的结果可以接受。

你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析 · 发表于 2022-9-25 14:58:59

本帖最后由数值分析于 2022-9-25 15:38 编辑

雷达发表于 2022-9-25 04:47
: w- l) C: G/ v+ b; C又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

能不能把这个也贴上来，看看和上一个有什么不同？

雷达 · 发表于 2022-9-26 01:30:03

本帖最后由雷达于 2022-9-27 01:17 编辑

数值分析发表于 2022-9-25 14:58
4 C- y) v" U7 t, [+ z能不能把这个也贴上来，看看和上一个有什么不同？

理了理思路，重新做了一个测试。
做了两个 vector 和两个 float *, 都长 100000
外循环 6000，里面先做随机数生成，模拟真实环境，避免数据的 cache.

内循环试了4种方法，
1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s

你昨天说的对，内循环本身占比是很小的，大头在其他处理。
另外可以看到， float * 循环点乘累加并不差，比用vector 还更快。

至于我那个原始程序，还有一些疑问，见5楼，其他都不变仅仅是有无空的内循环就有很大不同，这是不对的，也许有一些其他缺陷我没有看到。（也许可以改成 while 试试）

（为什么下面我贴的 b1 加方括号里的 i , 显示出来却是 b1 ？方括号 i 消失了。 LOL . 改成 jj 好了，原来方括号里的 i 是斜体标志 LOL）

      std::vector < float > vec1(N);+ M4 P, ]" c) Y3 s6 k% Q
      std::vector < float > vec2(N);
0 y) x7 V  w# Y' z       float* b1 = new float[N];
( ~3 [$ I) Q/ u8 J       float* b2 = new float[N];/ o  ?! o; L2 e+ _* o+ |( L) v

; k- E! l9 B( R' @       for (int j = 0; j < 6000; j++)
9 j) [8 h2 u  r5 Y* d+ w4 J, `* U       {; d9 t. b4 S/ c! z' h
            std::generate(vec1.begin(), vec1.end(), []() {: ~+ g# H% E- c0 u( L2 C! h  n' z
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
" G0 f* l: `# O  H  l/ G) g$ v                      });: U9 s: K, R1 ^4 X- z; I2 F( W
0 }; R4 Q, f9 \2 q0 n" b* ?7 l
            std::generate(vec2.begin(), vec2.end(), []() {& E9 N% |# n) ?1 X9 y9 ~
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;5 p+ T) {  m0 i" t! n% X4 T! O
                     });
( i% Q( s8 {/ y. y+ Y
. T4 |' n& k' O* Z5 ~- d- E             for (size_t jj = 0; jj < vec1.size(); jj++)
# Y1 j0 }, H  ?: M5 @$ G' _; e# W             {) R& o8 l8 Z0 \, ?" T
                     b1[jj] = vec1[jj];
: d( f) {/ r/ k: X! Z" Z7 Y             }4 y7 S+ {' Y5 X% r! ?* \/ Z4 M9 J

+ ~" o" b, r6 x             for (size_t jj = 0; jj < vec2.size(); jj++), X# h8 n: ~' |8 S8 y, Y% s) G$ E
            {, h2 A1 v* W( u/ ~
                     b2[jj] = vec2[jj];! C3 @9 D( }, Q% ?
            }
" W; u/ H) a, \2 f: M0 T% S  J
2 S" O! i) P3 I/ d8 ]             //Method - 1  N=100000 247s
. @: F/ q  ?9 _  y! i             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
; H' W$ D( S% L. f8 q                               " g" {0 I! ^( O1 R- E1 a2 b
            //Method - 2  N=100000  237s  L2 B+ q, q$ d# _) K/ V% x
            /*
( E' m; Z4 B, C7 L/ {* t             for (int jj = 0; jj < N ; jj++)
0 C, ]5 C1 m  w1 P) o% o             {* k3 R- _: p5 s' U* H
                     fresult += vec1[jj] * vec2[jj];
            }+ ~9 u# k% F' L* ?  E
            */
  `) V1 b, K5 a9 q/ d
3 D* [/ S/ V) v             //Method - 3  N=100000 204s: X* n' ^: O9 w/ K) j- {3 m
            /*
+ K6 U% G$ U+ R. ^3 A0 f0 V             for (int jj = 0; jj < N; jj++)- g9 X4 r2 |9 V4 T- j5 B
            {
3 d+ U8 f8 K& p                      fresult += b1[jj] * b2[jj];, n# j0 s4 U! f: R; u
            }
( \) \* F6 A! U3 K             */
( y) a* s8 }* e! \7 O. O. C% L
) x: n  J6 i( l: Y             //Method - 4 202s
. h- _+ Z; W* G             /*
$ L% O  I# l2 ~: I  w( w             for (int jj = 0; jj < N; jj++); E4 K6 k- E% s: D8 a; S4 R
            {* w+ F, s5 ]. B
                     # C: [1 i5 f6 I: [6 e6 b. h0 i. l
            }, i3 r; h" P9 b' `& ~; C
            */
/ ]. l' o9 u! Q* j$ t4 T, U             //comment out all methods, N=100000  202s             # Q4 x! w4 K. p- x3 w
      }
5 b& X" {1 o2 F# J
; s0 \# P) O2 h' s       delete []b1;
9 D: S( L& F: {+ L: |2 Z! j       delete []b2;

机器猫 · 发表于 2022-9-27 00:15:38

瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？

你第二个试验里面的j在循环里面又重新定义了啊，你确定真的跑了6000次？

雷达 · 发表于 2022-9-27 01:16:03

机器猫发表于 2022-9-27 00:15
5 ~. a8 X r' T瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？
& O) e# n; W% w. x D c7 A0 L- g/ p% d/ _$ b
你第二个试验里面的j在循环里面又重新定义 ...

内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL

不和它较劲了，瞎耽误工夫，我已经转到 ubuntu, 也准备顺便试试 avx2 向量化。

机器猫 · 发表于 2022-9-27 02:06:58

雷达发表于 2022-9-27 01:16# v6 F# Q& d' N
内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL
* z% y Q+ Y. ]. X: A W0 F8 [
8 Q5 M: }7 G. K/ F" J2 m& q不和它 ...

不过可以试试我说的register变量。前一个试验j是混在一堆其它变量里一起定义的，很有可能是在stack上，这样内存读写会更多，要是再碰上每次都需要加载cache就更慢了。
后面一个是在循环那里定义的，说不定编译器就把它优化成register变量了

opensrc · 发表于 2022-9-27 07:25:57

一个无关问题，为什么爱坛的帖子里在我这里有好些奇怪的东东在里面，是防拷贝措施吗？

雷声 · 发表于 2022-9-27 20:29:50

雷达发表于 2022-9-24 23:54
8 d' |: G, T/ g" Y- W8 M& uvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)& C& M( o' F# x! l- I
{
% N5 u( r, x7 Z/ t, X comp temp, xtimesy;

这个code里面如果Openmp没有被注释掉的话，那么temp那个变量应该是定义在循环里面，否则线程之间会存在争夺写入那个temp的风险。
内层for循环如果没有内部操作的话，编译时应该被优化掉了，和你完全注册掉整个循环是一回事。可能你的编译设置没有打开优化？
VS社区版没有问题，我工作用的就是社区版，设置正常的话不会比商业版差。以前游说头头用Intel Compiler，他说不想花钱，而且差不了多少，就一直用到现在。

		自动登录	找回密码
密码			注册

[信息技术] C++ 提速的新发现

评分

浏览过的版块